为不同的随机森林训练算法创建循环答案

【问题标题】：Creating a loop for different random forest training algorithms为不同的随机森林训练算法创建循环
【发布时间】：2016-04-13 05:51:46
【问题描述】：

我正在尝试编写一个 for 循环来创建各种随机森林模型。我已将我想在不同模型中使用的变量存储在一个名为 list 的列表中：

 list <- c("EXPG1 + EXPG2", "EXPG1 + EXPG2 + distance")

然后我尝试遍历它创建的预测。我最终想要实现的是：

modFit1 <- train(won ~ EXPG1 + EXPG2, data=training, method="rf", prox=TRUE)
modFit2 <- train(won ~ EXPG1 + EXPG2 + distance, data=training, method="rf", prox=TRUE)

但是，我在尝试完成此操作时遇到了一些问题。

这不起作用：

modFit1 <- train(won ~ list[1], data=training, method="rf", prox=TRUE)

而且这似乎也不起作用：

for (R in modfits) {

  modfit <- paste0("won ~ ", R, ", data=training, method=\"rf\", prox=\"TRUE")
 train(modfit)

}

对出了什么问题有什么想法吗？

【问题讨论】：

也许这对?as.formula有帮助？
它似乎有效，但我无法调用 predict ......还有更多建议吗？我认为应该有一种方法

标签： r random-forest

【解决方案1】：

先创建一个空列表来存放模型

results <- vector('list',2)
list <- c("EXPG1 + EXPG2", "EXPG1 + EXPG2 + distance")

for (i in 1:2){
  results[i] <- train(won ~ list[i], data=training, method="rf", prox=TRUE)
}

那么你应该可以在results[[1]]上拨打predict

【讨论】：